Python爬取房产数据，哪里跌价买哪里，你可能不赚，但我永远不亏

Posted 2021-01-30 52lmx

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Python爬取房产数据，哪里跌价买哪里，你可能不赚，但我永远不亏相关的知识，希望对你有一定的参考价值。

小伙伴，我又来了，这次我们写的是用python爬虫爬取乌鲁木齐的房产数据并展示在地图上，地图工具我用的是 BDP个人版-免费在线数据分析软件，数据可视化软件，这个可以导入csv或者excel数据。

学习Python中有不明白推荐加入交流裙
号：735934841
群里有志同道合的小伙伴，互帮互助，
群里有免费的视频学习教程和PDF！

本次我使用的是scrapy框架，可能有点大材小用了，主要是刚学完用这个练练手，再写代码前我还是建议大家先分析网站，分析好数据，再去动手写代码，因为好的分析可以事半功倍，乌鲁木齐楼盘,乌鲁木齐新楼盘,乌鲁木齐楼盘信息 - 乌鲁木齐吉屋网这个网站的数据比较全，每一页获取房产的LIST信息，并且翻页，点进去是详情页，获取房产的详细信息(包含名称，地址，房价，经纬度)，再用pipelines保存item到excel里，最后在bdp生成地图报表，废话不多说上代码：

JiwuspiderSpider.py

# -*- coding: utf-8 -*-
from scrapy import Spider,Request
import re
from jiwu.items import JiwuItem
class JiwuspiderSpider(Spider):
 name = "jiwuspider"
 allowed_domains = ["wlmq.jiwu.com"]
 start_urls = [‘http://wlmq.jiwu.com/loupan‘]
 def parse(self, response):
 """
 解析每一页房屋的list
 :param response: 
 :return: 
 """
 for url in response.xpath(‘//a[@class="index_scale"]/@href‘).extract():
 yield Request(url,self.parse_html) # 取list集合中的url 调用详情解析方法
 # 如果下一页属性还存在，则把下一页的url获取出来
 nextpage = response.xpath(‘//a[@class="tg-rownum-next index-icon"]/@href‘).extract_first()
 #判断是否为空
 if nextpage:
 yield Request(nextpage,self.parse) #回调自己继续解析
 def parse_html(self,response):
 """
 解析每一个房产信息的详情页面，生成item
 :param response: 
 :return: 
 """
 pattern = re.compile(‘<script type="text/javascript">.*?lng = ‘(.*?)‘;.*?lat = ‘(.*?)‘;.*?bname = ‘(.*?)‘;.*?‘
 ‘address = ‘(.*?)‘;.*?price = ‘(.*?)‘;‘,re.S)
 item = JiwuItem()
 results = re.findall(pattern,response.text)
 for result in results:
 item[‘name‘] = result[2]
 item[‘address‘] = result[3]
 # 对价格判断只取数字，如果为空就设置为0
 pricestr =result[4]
 pattern2 = re.compile(‘(d+)‘)
 s = re.findall(pattern2,pricestr)
 if len(s) == 0:
 item[‘price‘] = 0
 else:item[‘price‘] = s[0]
 item[‘lng‘] = result[0]
 item[‘lat‘] = result[1]
 yield item

item.py

# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html
import scrapy
class JiwuItem(scrapy.Item):
 # define the fields for your item here like:
 name = scrapy.Field()
 price =scrapy.Field()
 address =scrapy.Field()
 lng = scrapy.Field()
 lat = scrapy.Field()
 pass

pipelines.py 注意此处是吧mongodb的保存方法注释了，可以自选选择保存方式

# -*- coding: utf-8 -*-
# Define your item pipelines here
#
# Don‘t forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
import pymongo
from scrapy.conf import settings
from openpyxl import workbook
class JiwuPipeline(object):
 wb = workbook.Workbook()
 ws = wb.active
 ws.append([‘小区名称‘, ‘地址‘, ‘价格‘, ‘经度‘, ‘纬度‘])
 def __init__(self):
 # 获取数据库连接信息
 host = settings[‘MONGODB_URL‘]
 port = settings[‘MONGODB_PORT‘]
 dbname = settings[‘MONGODB_DBNAME‘]
 client = pymongo.MongoClient(host=host, port=port)
 # 定义数据库
 db = client[dbname]
 self.table = db[settings[‘MONGODB_TABLE‘]]
 def process_item(self, item, spider):
 jiwu = dict(item)
 #self.table.insert(jiwu)
 line = [item[‘name‘], item[‘address‘], str(item[‘price‘]), item[‘lng‘], item[‘lat‘]]
 self.ws.append(line)
 self.wb.save(‘jiwu.xlsx‘)
 return item